Xây Dựng Mô Hình Dự Báo Số Lượng Ca Nhiễm Bệnh Nhiệt Đới Bị Lãng Quên

Khóa luận trình bày mô hình dự báo số lượng ca nhiễm và thời điểm bùng phát bệnh nhiệt đới, góp phần nâng cao nhận thức và phòng chống dịch bệnh.

• Tác giả: Trịnh Thị Thanh Trúc
• Người hướng dẫn: ThS. Đỗ Duy Thanh
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ sư ngành Hệ thống Thông tin
• Đề tài: Mô Hình Dự Báo Bệnh Nhiệt Đới Bị Lãng Quên
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Động lực nghiên cứu
• 1.2. Phát biểu bài toán
• 1.3. Thách thức
• 1.4. Mục tiêu đề tài
• 1.5. Đối tượng và phạm vi nghiên cứu
• 1.6. Đóng góp nghiên cứu
• 2. CHƯƠNG 2: NGHIÊN CỨU LIÊN QUAN
• 2.1. Các nghiên cứu trước
• 2.2. Lý thuyết về bùng nổ dịch bệnh
• 2.3. Phương pháp thực nghiệm
• 2.4. Kỹ thuật dự báo
• 2.5. Các thuật toán máy học
• 3. CHƯƠNG 3: XỬ LÝ DỮ LIỆU
• 3.1. Xử lý dữ liệu thiếu
• 3.2. Xử lý chuỗi dừng
• 3.3. Chuẩn hóa dữ liệu
• 3.4. Chia dữ liệu
• 3.5. Chia mẫu học giám sát
• 3.6. Thống kê dữ liệu
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Specificity
• 4.2. Kết quả thực nghiệm theo độ đo
• 4.3. Phân tích kết quả
• 4.4. Cải tiến kết quả
• 5. CHƯƠNG 5: KẾT QUẢ ĐẠT ĐƯỢC VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết quả đạt được
• 5.2. Hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Tổng quan về mô hình dự báo bệnh nhiệt đới bị lãng quên

Mô hình dự báo bệnh nhiệt đới bị lãng quên là một công cụ quan trọng trong việc phát hiện và ngăn chặn sự bùng phát của các loại bệnh như Sốt Xuất Huyết và Tiêu Chảy. Những bệnh này thường bị bỏ qua, nhưng lại có tác động nghiêm trọng đến sức khỏe cộng đồng. Việc xây dựng mô hình này không chỉ giúp nhận diện sớm mà còn hỗ trợ trong việc điều trị kịp thời.

1.1. Định nghĩa và tầm quan trọng của bệnh nhiệt đới bị lãng quên

Bệnh nhiệt đới bị lãng quên (NTDs) là những bệnh lý thường không được chú ý nhưng có thể gây ra hậu quả nghiêm trọng. Chúng bao gồm các bệnh như Sốt Xuất Huyết và Tiêu Chảy, ảnh hưởng đến hàng triệu người mỗi năm.

1.2. Tình hình hiện tại của bệnh nhiệt đới tại Việt Nam

Việt Nam là một trong những quốc gia chịu ảnh hưởng nặng nề bởi các bệnh nhiệt đới. Biến đổi khí hậu và điều kiện sống đã làm gia tăng nguy cơ bùng phát các bệnh này, đòi hỏi cần có các biện pháp dự báo hiệu quả.

II. Thách thức trong việc dự báo bệnh nhiệt đới bị lãng quên

Việc dự báo bệnh nhiệt đới gặp nhiều thách thức, bao gồm thiếu dữ liệu, sự không đồng nhất trong dữ liệu và khó khăn trong việc xác định các yếu tố ảnh hưởng. Những vấn đề này có thể dẫn đến những dự báo không chính xác và ảnh hưởng đến công tác phòng chống dịch.

2.1. Thiếu dữ liệu và ảnh hưởng đến mô hình

Dữ liệu không đầy đủ về các yếu tố khí hậu và tỷ lệ ca mắc bệnh gây khó khăn trong việc xây dựng mô hình dự báo chính xác. Việc thiếu hụt dữ liệu có thể dẫn đến những quyết định sai lầm trong công tác phòng chống dịch.

2.2. Sự không đồng nhất trong dữ liệu

Dữ liệu về bệnh nhiệt đới thường không đồng nhất giữa các vùng miền, dẫn đến khó khăn trong việc áp dụng các mô hình dự báo chung cho toàn quốc. Điều này yêu cầu cần có các phương pháp điều chỉnh phù hợp.

III. Phương pháp xây dựng mô hình dự báo bệnh nhiệt đới

Có nhiều phương pháp khác nhau để xây dựng mô hình dự báo bệnh nhiệt đới, bao gồm các thuật toán máy học và các phương pháp thống kê. Việc lựa chọn phương pháp phù hợp sẽ ảnh hưởng lớn đến độ chính xác của dự báo.

3.1. Các thuật toán máy học phổ biến

Các thuật toán như SVM, Decision Tree và Random Forest đã được áp dụng để dự báo bệnh nhiệt đới. Những thuật toán này có khả năng xử lý dữ liệu lớn và tìm ra các mẫu ẩn trong dữ liệu.

3.2. Phương pháp hồi quy và phân lớp

Hồi quy và phân lớp là hai phương pháp chính trong việc dự báo. Hồi quy giúp dự đoán số lượng ca nhiễm, trong khi phân lớp giúp xác định thời điểm bùng phát dịch bệnh.

IV. Ứng dụng thực tiễn của mô hình dự báo bệnh nhiệt đới

Mô hình dự báo bệnh nhiệt đới không chỉ có giá trị trong nghiên cứu mà còn trong thực tiễn. Chúng giúp các cơ quan y tế chủ động hơn trong việc phòng chống dịch bệnh và bảo vệ sức khỏe cộng đồng.

4.1. Kết quả nghiên cứu và ứng dụng

Nghiên cứu cho thấy mô hình dự báo có thể giảm thiểu tỷ lệ mắc bệnh và tử vong do bệnh nhiệt đới. Các cơ quan y tế có thể sử dụng thông tin này để lên kế hoạch và triển khai các biện pháp phòng ngừa.

4.2. Tác động đến chính sách y tế

Mô hình dự báo có thể cung cấp dữ liệu quan trọng cho các nhà hoạch định chính sách, giúp họ đưa ra các quyết định kịp thời và hiệu quả trong việc ứng phó với dịch bệnh.

V. Kết luận và hướng phát triển tương lai

Mô hình dự báo bệnh nhiệt đới bị lãng quên là một công cụ quan trọng trong việc bảo vệ sức khỏe cộng đồng. Tuy nhiên, cần tiếp tục nghiên cứu và cải tiến để nâng cao độ chính xác và khả năng ứng dụng của mô hình trong thực tiễn.

5.1. Tóm tắt kết quả chính

Kết quả nghiên cứu cho thấy mô hình dự báo có thể giúp phát hiện sớm các bùng phát dịch bệnh, từ đó giảm thiểu tác động của chúng đến sức khỏe cộng đồng.

5.2. Hướng phát triển trong tương lai

Cần tiếp tục nghiên cứu để cải thiện các thuật toán dự báo, đồng thời mở rộng phạm vi nghiên cứu sang các bệnh nhiệt đới khác và các yếu tố khí hậu ảnh hưởng đến sự bùng phát dịch.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Việt Nam nằm trọn trong vành đai khí hậu nhiệt đới gió mùa, khu vực có nguy cơ cao bùng phát các bệnh truyền nhiễm liên quan chặt chẽ đến biến đổi khí hậu và môi trường sống. Trong số đó, các bệnh như Sốt xuất huyết, Tiêu chảy, Cảm cúm và Bệnh dại đã được Tổ chức Y tế Thế giới (WHO) xếp vào nhóm "Bệnh nhiệt đới bị lãng quên" (Neglected Tropical Diseases - NTDs). Mặc dù y học hiện đại có thể điều trị hiệu quả các bệnh này, sự chủ quan trong công tác phát hiện sớm và nhận diện nguy cơ bùng phát vẫn có thể dẫn đến quá tải y tế và tử vong. Bối cảnh biến đổi khí hậu toàn cầu với các hiện tượng thời tiết cực đoan khiến các đợt bùng phát dịch bệnh diễn biến phức tạp và khó lường trước.

Nhằm hỗ trợ công tác dự báo y tế công cộng, khóa luận đặt ra bài toán khai thác dữ liệu khí tượng và lịch sử dịch tễ để dự đoán nguy cơ bùng phát dịch bệnh. Mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài bao gồm:

1. Nghiên cứu kiến thức cơ sở về các bệnh nhiệt đới bị lãng quên, nguyên nhân và mức độ nguy hiểm, cùng các phương pháp xác định ngưỡng bùng phát dịch bệnh.
2. Tổng hợp cơ sở lý thuyết về các thuật toán máy học thống kê truyền thống và các mô hình học sâu tiên tiến áp dụng cho dữ liệu dạng chuỗi thời gian.
3. Nghiên cứu các kỹ thuật tiền xử lý dữ liệu chuỗi thời gian, xử lý dữ liệu thiếu và chuẩn hóa dữ liệu khí hậu - dịch tễ.
4. Xây dựng và tiền xử lý tập dữ liệu từ các đặc trưng khí hậu, tỷ lệ ca nhiễm và các điểm bùng phát dịch bệnh theo thời gian tại các địa phương của Việt Nam.
5. Cài đặt, thực nghiệm và so sánh hiệu quả giữa hai hướng tiếp cận: mô hình dự báo hồi quy (Regression) và mô hình phân lớp chuỗi thời gian (Classification).
6. Phân tích, đánh giá kết quả thực nghiệm theo các độ đo thống kê và đề xuất hướng xử lý cải tiến.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Bệnh Sốt xuất huyết và bệnh Tiêu chảy tại Việt Nam.
• Phạm vi không gian: Các tỉnh thành trải dài trên các vùng địa lý của Việt Nam (tiêu biểu như Điện Biên, Thái Bình, Lào Cai, Kon Tum, Cao Bằng, Đắk Lắk và tập dữ liệu 20 tỉnh thành cho Sốt xuất huyết).
• Phạm vi thời gian: Dữ liệu chuỗi thời gian thu thập trong giai đoạn từ năm 1997 đến năm 2016.
• Phạm vi dữ liệu: 5 nhóm đặc trưng khí hậu chính gồm nhiệt độ, độ ẩm, lượng mưa, lượng bốc hơi và số giờ nắng, kết hợp cùng tỷ lệ ca mắc bệnh trên quy mô dân số địa phương.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khóa luận thiết lập nền tảng lý thuyết trên hai trụ cột: phương pháp dịch tễ học xác định ngưỡng bùng phát dịch và các mô hình học máy xử lý chuỗi thời gian.

Về phương pháp xác định bùng phát dịch, đề tài tiếp cận khái niệm kênh đặc hữu (endemic channel) nhằm xác định mức ca nhiễm kỳ vọng bình thường theo chu kỳ mùa vụ. Ngưỡng bùng phát ($T_{oi}$) được tính theo công thức tổng quát $T_{oi} = \mu_i + k\sigma_i$, trong đó $\mu_i$ là giá trị trung bình, $\sigma_i$ là độ lệch chuẩn và $k$ là hệ số điều chỉnh mức độ nghiêm ngặt. Tác giả khảo sát 5 phương pháp thiết lập kênh đặc hữu:

• Recent mean (Trung bình gần kề): Sử dụng cửa sổ trượt ngắn hạn khi dữ liệu ít tính mùa vụ hoặc hạn chế số lượng quan sát.
• Monthly mean (Trung bình theo tháng): Tính toán trung bình cùng kỳ các năm trước cho các chuỗi dữ liệu có tính chu kỳ mùa vụ rõ nét.
• Moving mean (Trung bình động): Sử dụng trung bình động 3 tháng (tháng trước, tháng hiện tại và tháng sau) của các năm trước nhằm xử lý dữ liệu có xu hướng dịch chuyển chu kỳ.
• Cumulative mean (Trung bình tích lũy): Tích lũy trung bình tháng áp dụng cho các bệnh xuất hiện rải rác.
• Fixed incidence threshold (Ngưỡng tỷ lệ cố định): Sử dụng ngưỡng cố định xác định trước (ví dụ 0,001 hoặc 0,003 trên 100 dân).

Về kỹ thuật học máy và mô hình hóa dữ liệu, đề tài triển khai đồng thời hai hướng tiếp cận:

• Hướng tiếp cận Hồi quy (Regression): Sử dụng các biến khí hậu đầu vào tại thời điểm $t$ để dự báo giá trị liên tục là tỷ lệ ca nhiễm tại thời điểm $t+k$. Giá trị dự báo sau đó được đối chiếu với ngưỡng kênh đặc hữu để xác định tháng đó có bùng phát dịch hay không.
• Hướng tiếp cận Phân lớp (Classification): Chuyển đổi dữ liệu chuỗi thời gian thành bài toán phân lớp nhị phân (nhãn 1: bùng phát, nhãn 0: ổn định/không bùng phát). Mô hình học trực tiếp quy luật phân tách giữa các sự kiện khí hậu cực đoan và trạng thái bùng nổ dịch bệnh.

Danh mục thuật toán thực nghiệm trong khóa luận bao gồm:

• Mô hình tuyến tính và máy học thống kê: Hồi quy Ridge, Phân lớp Ridge (Ridge Classifier), Stochastic Gradient Descent (SGDRegressor, SGDClassifier), K-Nearest Neighbors (KNN), Naive Bayes (GaussianNB, MultinomialNB, BernoulliNB, ComplementNB cho dữ liệu mất cân bằng), Cây quyết định (Decision Tree), Rừng ngẫu nhiên (Random Forest), Extra Trees.
• Mô hình Ensemble Boosting: AdaBoost, Gradient Boosting, XGBoost, LightGBM, CatBoost.
• Mô hình Support Vector Machine: SVM với hàm nhân tuyến tính (Linear kernel) và hàm nhân đa thức (Polynomial kernel).
• Mô hình học sâu (Deep Learning): Mạng Perceptron đa lớp (MLP/DNN), Mạng nơ-ron tích chập (CNN 1D trích xuất đặc trưng cục bộ trên chuỗi thời gian), Mạng nơ-ron hồi quy (SimpleRNN), Mạng bộ nhớ dài ngắn hạn (LSTM), Mạng LSTM kết hợp cơ chế chú ý (LSTM-ATT) và Transformer (kiến trúc Self-Attention).

Nguồn dữ liệu thực nghiệm được xử lý qua quy trình 4 bước: điền khuyết dữ liệu thiếu dựa trên giá trị nhỏ nhất của cùng kỳ hai năm liền trước; kiểm tra tính dừng chuỗi thời gian; chuẩn hóa dữ liệu; và chia cửa sổ trượt (sliding window) tạo tập mẫu huấn luyện/kiểm thử có giám sát.

Nội dung chính theo từng chương

Chương 1. Tổng quan đề tài

Chương 1 trình bày động lực nghiên cứu bắt nguồn từ hiểm họa của các bệnh nhiệt đới bị lãng quên tại Việt Nam dưới tác động của biến đổi khí hậu. Tác giả phát biểu bài toán dự báo dịch bệnh với đầu vào là các biến khí tượng (độ ẩm, lượng bốc hơi, lượng mưa, nhiệt độ, số giờ nắng) và tỷ lệ ca mắc, đầu ra là dự báo điểm bùng nổ dịch bệnh. Chương này cũng phân tích 3 thách thức lớn của bài toán: dữ liệu gốc bị thiếu hụt, số lượng mẫu chuỗi thời gian bị giới hạn, và hiện tượng mất cân bằng dữ liệu nghiêm trọng giữa số tháng bùng phát và số tháng bình thường. Mục tiêu, đối tượng, phạm vi nghiên cứu từ năm 1997 đến 2016 cùng các đóng góp khoa học của đề tài được xác lập chi tiết.

Chương 2. Nghiên cứu liên quan và Cơ sở lý thuyết

Chương 2 tổng hợp các công trình nghiên cứu tiền đề trong và ngoài nước về mối tương quan giữa khí hậu và dịch bệnh tại Việt Nam (các nghiên cứu của Do T., Nguyen V., Mai T., Phung D., Thompson C.). Tác giả phân tích các hệ thống như PT-Ensemble và các mô hình LSTM-ATT từng được áp dụng trước đây. Tiếp đó, chương trình bày chi tiết cơ sở toán học của 5 phương pháp tính kênh đặc hữu dịch tễ và các thuật toán học máy. Các mô hình học sâu từ MLP, CNN 1D, RNN, LSTM đến cơ chế Attention và Transformer được phân tích chi tiết kèm sơ đồ kiến trúc và ví dụ tính toán bước truyền thẳng (feedforward) trên ma trận trọng số.

Chương 3. Xử lý dữ liệu

Chương 3 mô tả chi tiết quy trình tiền xử lý dữ liệu chuỗi thời gian nhằm chuẩn bị dữ liệu đầu vào cho các thuật toán học máy:

• Xử lý dữ liệu thiếu: Thay vì loại bỏ làm đứt gãy chuỗi thời gian, tác giả áp dụng quy tắc gán giá trị nhỏ nhất của tháng cùng kỳ trong 2 năm liền trước. Đối với năm đầu tiên bị thiếu thì gán bằng 0, năm thứ hai thiếu thì lấy giá trị của năm thứ nhất.
• Xử lý chuỗi dừng và chuẩn hóa dữ liệu: Đưa dữ liệu về dạng phân phối phù hợp cho quá trình tối ưu hóa trọng số.
• Chia mẫu học giám sát: Áp dụng kỹ thuật trượt bước thời gian để chuyển đổi chuỗi quan sát liên tục thành các cặp đặc trưng đầu vào và nhãn đầu ra tương ứng cho bài toán hồi quy và phân lớp.

Chương 4. Thực nghiệm và đánh giá

Chương 4 thiết lập quy trình thực nghiệm và báo cáo kết quả đánh giá mô hình dựa trên 4 độ đo chính: Độ chính xác (Accuracy), Độ chụm (Precision), Độ nhạy (Sensitivity/Recall) và Độ đặc hiệu (Specificity). Tác giả tiến hành so sánh chéo hiệu năng của các thuật toán trên hai bài toán bệnh Sốt xuất huyết và Tiêu chảy:

• Phân tích hiệu năng phân lớp của SVM-Poly, Decision Tree, SGDClassifier, ComplementNB.
• Đánh giá khả năng hồi quy chuỗi thời gian của các mô hình học sâu (CNN, LSTM, LSTM-ATT, Transformer) và mô hình Boosting (XGBoost, CatBoost, AdaBoost, Extra Trees).
• Đề xuất giải pháp cải tiến kết quả dự báo: Xây dựng tập gồm 13 luật (rule-based) hậu xử lý để loại bỏ các điểm cảnh báo bùng phát giả (false alarms) đối với dịch bệnh Tiêu chảy.

Kết quả đạt được và Hướng phát triển

Phần tổng kết khóa luận điểm lại toàn bộ các mục tiêu đã hoàn thành, bao gồm việc xây dựng thành công quy trình so sánh toàn diện hai hướng tiếp cận Hồi quy và Phân lớp, đánh giá chi tiết ưu nhược điểm của từng nhóm thuật toán trên từng loại dữ liệu dịch bệnh đặc thù, và đề xuất các hướng mở rộng quy mô dữ liệu trong tương lai.

Kết quả và đóng góp nghiên cứu

Khóa luận đã kiểm chứng thực nghiệm toàn diện các mô hình học máy và học sâu, rút ra các phát hiện mang tính quy luật trên tập dữ liệu dịch tễ Việt Nam:

1. Đối với dịch bệnh có tính bất ổn cao (Bệnh Tiêu chảy): Hướng tiếp cận Phân lớp chuỗi thời gian bằng các mô hình máy học thống kê (tiêu biểu là Support Vector Machine với kernel Poly, SGD Classifier, Decision Tree) cho kết quả khả quan hơn so với hướng tiếp cận Hồi quy. Các mô hình này có khả năng tập trung phân tách trực tiếp ranh giới các điểm bùng nổ ngay từ đầu mà không bị phụ thuộc vào sai số tích lũy của bước dự báo số lượng ca nhiễm.
2. Đối với dịch bệnh có tính chu kỳ mùa vụ mạnh (Bệnh Sốt xuất huyết): Hướng tiếp cận Hồi quy ca nhiễm bằng các mô hình học sâu (CNN, LSTM, LSTM-ATT, Transformer, MLP) thể hiện độ chính xác cao trong việc tái hiện quỹ đạo biến thiên ca nhiễm theo mùa. Điểm bùng phát xác định từ giá trị hồi quy bám sát thực tế kỳ vọng.
3. Giới hạn của học sâu trên dữ liệu mẫu nhỏ và biến động đột biến: Do số lượng mẫu dữ liệu dịch tễ bị hạn chế, các mô hình học sâu chưa khai thác tối đa cấu trúc tham số phức tạp. Tại các vùng dữ liệu có sự biến động đột biến nằm ngoài chu kỳ mùa vụ thông thường, các mô hình Hồi quy máy học dạng cây và ensemble (AdaBoost, CatBoost, Extra Trees, SGD, Decision Tree, XGBoost) duy trì độ ổn định và thích ứng tốt hơn các mô hình học sâu.
4. Cải tiến loại bỏ cảnh báo giả bằng tập luật: Tác giả xây dựng và áp dụng 13 tập luật trích xuất đặc trưng giúp loại bỏ từ 10% đến 40% các dự báo bùng nổ sai lệch (dự báo giả) trên 6 tỉnh thực nghiệm đối với 3 mô hình tốt nhất là SVMPoly, DecisionTree và XGBoost.

Bảng tổng hợp đặc tính hai hướng tiếp cận theo kết quả thực nghiệm trong khóa luận:

Tiêu chí so sánh	Hướng tiếp cận Phân lớp (Classification)	Hướng tiếp cận Hồi quy (Regression)
Bản chất đầu ra	Nhãn rời rạc nhị phân (Bùng nổ / Không bùng nổ)	Giá trị liên tục (Tỷ lệ/số lượng ca nhiễm dự báo)
Cách xác định bùng nổ	Dự báo trực tiếp từ véc-tơ đặc trưng khí tượng	Tính ngưỡng kênh đặc hữu từ ca nhiễm dự báo
Mô hình vượt trội	SVM (Kernel Poly), Decision Tree, SGD, ComplementNB	LSTM-ATT, LSTM, CNN 1D, Transformer, XGBoost, CatBoost
Loại bệnh phù hợp nhất	Bệnh có tính bất ổn cao, ít tính mùa vụ (Tiêu chảy)	Bệnh có tính chu kỳ mùa vụ rõ nét (Sốt xuất huyết)
Ưu điểm chính	Tránh sai số tích lũy, tập trung vào điểm biên bùng phát	Cung cấp số lượng ca nhiễm định lượng cho y tế
Xử lý cảnh báo giả	Cần kết hợp tập luật loại bỏ dự báo sai (10% - 40%)	Phụ thuộc vào phương pháp thiết lập kênh đặc hữu

Đóng góp khoa học của đề tài:

• Đây là công trình nghiên cứu đầu tiên tại Việt Nam tiến hành khảo sát, cài đặt và so sánh đối đầu đồng thời cả hai hướng tiếp cận Phân lớp và Hồi quy chuỗi thời gian trên cùng một hệ dữ liệu khí tượng và dịch tễ NTDs.
• Hệ thống hóa các phương pháp thiết lập kênh đặc hữu dịch tễ học và tích hợp thành công vào quy trình hậu xử lý mô hình học máy.
• Đề xuất quy trình tiền xử lý dữ liệu thiếu chuyên biệt cho chuỗi thời gian khí tượng cùng hệ 13 tập luật lọc nhiễu cảnh báo giả có hiệu quả thực nghiệm rõ rệt.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận các hạn chế chính xuất phát từ đặc thù dữ liệu:

• Nguồn dữ liệu gốc bị khuyết thiếu nhiều giá trị tại một số trạm quan trắc địa phương, đòi hỏi phải sử dụng kỹ thuật gán giá trị quy nạp.
• Kích thước tập dữ liệu chuỗi thời gian (giai đoạn 1997 – 2016 theo đơn vị tháng) còn hạn chế về tổng số lượng mẫu quan sát, chưa đủ lớn để các mô hình học sâu quy mô lớn (Transformer, Deep Neural Networks) tối ưu hóa toàn diện không gian trọng số mà không gặp rủi ro quá khớp.
• Hiện tượng mất cân bằng dữ liệu tự nhiên giữa các tháng an toàn và các tháng có dịch gây khó khăn cho việc tối ưu hàm mất mát chuẩn.

Hướng nghiên cứu tiếp theo được tác giả đề xuất:

• Mở rộng nguồn dữ liệu khí tượng và dịch tễ ở độ phân giải thời gian chi tiết hơn (theo tuần hoặc theo ngày) và cập nhật các năm gần nhất.
• Bổ sung các đặc trưng ngoại cảnh khác như mật độ dân số, biến động di cư, độ che phủ rừng và các chỉ số không gian địa lý lân cận.
• Nghiên cứu cơ chế kết hợp lai (hybrid) giữa mô hình phân lớp nhận diện sự kiện và mô hình hồi quy định lượng nhằm tối ưu hóa đồng thời cả hai mục tiêu.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn phù hợp cho sinh viên, học viên cao học và nhóm nghiên cứu thuộc các chuyên ngành Hệ thống thông tin, Khoa học dữ liệu, Trí tuệ nhân tạo và Tin học y tế (Health Informatics).

Nội dung đặc biệt có giá trị tham khảo bao gồm:

• Quy trình toán học chi tiết và mã nguồn khái niệm về cách tính toán các kênh đặc hữu dịch tễ (Recent mean, Monthly mean, Moving mean, Cumulative mean).
• Phương pháp luận tiền xử lý chuỗi thời gian khí tượng - dịch bệnh mà không làm mất tính liên tục của dữ liệu.
• Tài liệu so sánh thực nghiệm đa mô hình (từ học máy thống kê truyền thống đến mạng nơ-ron học sâu), làm cơ sở lựa chọn kiến trúc mô hình cho các bài toán dự báo chuỗi thời gian có đặc tính mất cân bằng mẫu.

Câu hỏi thường gặp

1. Đề tài sử dụng những biến đặc trưng khí tượng nào để làm đầu vào cho mô hình dự báo?
Mô hình sử dụng 5 nhóm đặc trưng khí hậu chính tại các địa phương của Việt Nam, bao gồm: độ ẩm trung bình, lượng bốc hơi, lượng mưa, nhiệt độ và tổng số giờ nắng, kết hợp cùng tỷ lệ ca mắc bệnh trên quy mô dân số trong lịch sử.

2. Khóa luận xử lý dữ liệu chuỗi thời gian bị thiếu như thế nào để đảm bảo tính liên tục?
Tác giả không loại bỏ dòng dữ liệu thiếu mà áp dụng quy tắc gán giá trị: lấy giá trị nhỏ nhất của tháng cùng kỳ trong hai năm liền trước đó. Nếu năm đầu tiên bị thiếu thì gán bằng 0; nếu năm thứ hai bị thiếu thì lấy giá trị của năm thứ nhất.

3. Vì sao mô hình phân lớp thống kê lại đạt hiệu quả tốt hơn mô hình học sâu đối với bệnh Tiêu chảy?
Dữ liệu bệnh Tiêu chảy có tính bất ổn định cao và biến động rải rác. Các mô hình phân lớp thống kê (như SVM kernel Poly, SGD, Decision Tree) tập trung trực tiếp vào việc học ranh giới quyết định để phân tách sự kiện bùng nổ nhị phân, trong khi các mô hình học sâu bị hạn chế do số lượng mẫu huấn luyện nhỏ nên khó học được quy luật hồi quy ca nhiễm chính xác.

4. Giải pháp nào được tác giả sử dụng để giảm tỷ lệ cảnh báo bùng phát dịch giả?
Tác giả thiết lập hệ thống gồm 13 tập luật hữu ích dựa trên sự kiện khí hậu nhằm lọc và loại bỏ các điểm dự báo dương tính giả. Giải pháp này giúp cắt giảm từ 10% đến 40% các dự báo sai lệch trên 6 tỉnh thử nghiệm đối với các mô hình SVMPoly, DecisionTree và XGBoost.

5. Trong các mô hình học sâu được khảo sát, kiến trúc nào cho kết quả hồi quy ca nhiễm Sốt xuất huyết tốt nhất?
Mô hình mạng bộ nhớ dài ngắn hạn kết hợp cơ chế chú ý (LSTM-ATT) đạt sai số RMSE thấp nhất trên hầu hết các tỉnh thành được đánh giá, vượt trội hơn so với kiến trúc CNN 1D, LSTM tiêu chuẩn và Transformer.

Kết luận

Khóa luận của tác giả Trịnh Thị Thanh Trúc đã giải quyết trọn vẹn bài toán xây dựng mô hình dự báo số lượng ca nhiễm và thời điểm bùng phát bệnh nhiệt đới bị lãng quên (Sốt xuất huyết và Tiêu chảy) tại Việt Nam dựa trên dữ liệu khí tượng giai đoạn 1997 – 2016. Nghiên cứu chứng minh rõ rệt tính hiệu quả của hướng tiếp cận Phân lớp thống kê đối với chuỗi dữ liệu có độ bất ổn cao và ưu thế của mô hình Hồi quy học sâu đối với chuỗi dữ liệu có tính chu kỳ mùa vụ. Kết quả thực nghiệm cùng hệ 13 tập luật xử lý cảnh báo giả cung cấp cơ sở khoa học và giải pháp thực tiễn có giá trị ứng dụng cao cho công tác giám sát dịch tễ học và y tế dự phòng.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan đề tài. Giới thiệu về nội dung đề tài bao gồm động lực nghiên cứu, phát biểu bài toán, thách thức, mục tiêu, phạm vi — đối tượng nghiên cứu, và những đóng góp chính trong nghiên cứu. — Chương 2: Cơ sở lý thuyết. Trình bày tổng quan về các lý thuyết cơ sở trong dịch bệnh với bệnh nhiệt đới bị lãng quên, phương pháp xác định bùng nỗ dịch bệnh.

Trình bày các khảo sát về hướng tiếp cận dự báo va phát hiện bùng né dịch bệnh trong khu vực từ các công trình đi trước. — Chương 3: Phương pháp thực nghiệm. Trình bày về các khái niệm về dự báo hồi quy và dự báo phân lớp. Trình bày các thuật toán máy học thong kê truyền thống và các thuật toán học sâu tiên tiến.

— Chương 4: Xử lý dữ liệu. Trình bày quy trình tiền xử lý dữ liệu với các phương pháp xử ly dit liệu cơ bản và xử lý dit liệu chuỗi thời gian. — _ Chương 5: Thực nghiệm và đánh gia. Trình bày quy trình xử lý dữ liệu và thực nghiệm.

Trình bày các thông số chi tiết cho quá trình thực nghiệm. Trình bày các phương pháp đánh giá. Báo cáo kết quả thực nghiệm và phân tích kết quả. — _ Chương 6: Kết luận và hướng phát triển.

Tổng kết các kết quả chính đã đạt được trong đề tài và hướng phát triển của đề tài trong tương lai. TONG QUAN DE TÀI 1. Động lực nghiên cứu: Việt Nam là quốc gia nằm hoàn toàn trong vành đai khí hậu nhiệt đới. Mà đây lại là vùng có nguy cơ cao chịu sự bùng né của hàng loạt các loại bệnh lý liên quan đến khí hậu và điều kiện sống, có thể ké đến như: Sốt Xuất Huyết, Tiêu Chảy, Cảm cúm, Bệnh dại,.

Những loại bệnh nêu trên được WHO chính thức đưa vào danh sách cảnh báo “Các loại bệnh nhiệt đới bị lãng quên” - NTDs (Neglected Tropical Diseases)[41]. Sở di quy về cùng một nhóm bệnh nhiệt đới bị lãng quên là vì những loại bệnh này có thể dễ dàng điều trị với sự phát triển của y học hiện đại. Tuy nhiên, xét về nguy cơ bùng nỗ, việc chủ quan trọng khâu nhận biết sớm và điều trị là rất nguy hiểm và có thể dẫn đến tử vong ngay cả trong điều kiện y học phát triển mạnh mẽ như hiện nay. Dac biét, trong thoi buổi biến đôi khí hậu toàn cầu, các hiện tượng thời tiết cực đoan ngày càng khó đoán, mà Việt Nam là một trong các quốc gia bị ảnh hưởng nặng nè nhất bởi biến đôi khí hậu [17], thì nguy cơ tiềm ấn cho sự bùng phat của loại bệnh nhiệt đới này càng dé phát sinh hơn và có thé phát sinh tại bat kỳ thời điểm nào [41].

Do đó nhu cầu về phát triển một hệ thống có khả năng dự báo và phát hiện nguy cơ bùng phát các căn bệnh nhiệt đới này, hiện nay, là rất cấp thiệt tại Việt Nam. Với sự phát triển mạnh mẽ của CNTT, các thuật toán máy học đã và đang chứng minh được sức mạnh rất lớn của chúng qua nhiêu lĩnh vực như kinh tế, giáo dục và cả y tế. Nhiều công trình trong nước lẫn quốc tế đã được công bồ [10]-[24], tuy nhiên chưa có nghiên cứu nào áp dụng và đánh giá cả 2 hướng tiếp cận máy học là Phân lớp và Hồi quy chuỗi thời gian cho nhiệm phát hiện bùng nổ dịch bệnh thông qua các đặc trưng về thời tiết và khí hậu trên các vùng địa lý tại Việt Nam. Những cơ hội và hiện trạng vừa đề cập ở trên chính là động lực thúc đây sinh viên thực hiện đề tài “Xây dựng mô hình dự báo số lượng ca nhiễm và thời điểm bùng phát bệnh nhiệt đới bị lãng quên” này.

Phát biểu bài toán: — Đầu vào: Dữ liệu về các đặc trưng khí hậu Việt Nam bao gồm các yếu tố về độ âm, lượng bốc hơi, lượng mưa, nhiệt độ, sé gid nang và tỷ lỆ ca mắc bệnh nhiệt đới trên từng địa phương của Việt Nam. — Xử lý: Nhiệm vụ được thực hiện được chia làm hai hướng tiếp cận: + Xây dựng mô hình hồi quy dự báo ca nhiễm trên từng tỉnh. Từ giá trị ca nhiễm được dự báo, tính toán và xác định các điểm bùng nô dịch bệnh trong phạm vi tỉnh đang xét. + Tính toán và xác định các điểm bùng nổ dịch bệnh.

Xây dựng mô hình phân lớp dự báo bùng nổ cho từng thời điểm trên từng tỉnh. — Pau ra: Điểm bùng nổ dịch bệnh cho từng thời điểm trên từng tinh. 5 Yy Đặc trưng $ ' khi hậu của ⁄ cs Đặc trưng khi hậu của = 4 từng tinh 4 Es Ì 4 Huan luyện và ts Z1 sir dung mô hình dự báo ca nhiễm L ¬ các diém bùng nố > / : | từtilệcanhiễm [is 4 4 | trong tập quan sát Ps 2 Tiléca Khuê nhiễm bệnh iP của từng tỉnh ⁄ Ei 7 : / = 2 ⁄⁄⁄⁄⁄4 : Huấn luyénva igs" 2 Tinh toá 4 ` ng sử dụmô hình 5? £# các điểm bùng nổ 1⁄4 inh toán ⁄ dự ự báo bùng g phat phát b |„Š từ ti lệ ca nhiễm được dự báo on 5 ⁄⁄⁄ Điểm bùng nổ Điểm bùng nổ a dich bénh dịch bệnh 3 trên từng tinh trên từng tỉnh Hình 1-1; Phát biểu bài toán với Đầu vào (Input), Các bước xử lý, Đầu ra (Output) của hai hướng tiép cận a và b 1. Thách thức: Vấn đề về thiếu dữ liệu: Dữ liệu gốc nhận không đầy đủ số liệu cho các trường cần thiết.

Vấn đề hạn chế về số lượng mẫu trong dit liệu: Việc thiếu thốn dữ liệu gây khó khăn không những trong quá trình huấn luyện mà còn khó khăn trong khâu đánh giá lại tính đúng đắn của mô hình thực nghiệm. Van đề về mắt cân bang dữ liệu: Do tính chất của bài toán phát hiện bùng no dịch bệnh mà tỷ lệ số thang bùng né so với số tháng 6n định có sự chênh lệch rất cao. Dẫn đến mô hình học sau cùng mặc dù có độ chính xác khá cao, tuy nhiên dự đoán hầu hết nghiêng về các tháng không bùng nổ, làm thiếu ý nghĩa ban đầu của việc xây dụng một mô hình dự báo bùng né dịch bệnh. Đánh giá tính chính xác của mô hình trong ngữ cảnh hiện tại trở nên khắt khe hơn trên cơ sở các tháng bùng nô dịch bệnh bị mô hình dự báo bỏ sót là rất nguy hiểm trong thực tế.

Trong khi đó việc dự báo giả cũng gây tôn hại rất lớn trong công tác chuẩn bị đối phó với dịch bệnh khi áp dụng trên thực tế. Mục tiêu đề tài: Hiểu được kiến thức cơ bản về các căn bệnh nhiệt đới, các thống kê về nguyên nhân và mức độ nguy hiểm của loại bệnh này, cách xác định điểm bùng phat dịch bệnh trong phạm vi nghiên cứu. Có được kiến thức tổng quan đến chỉ tiết cho các thuật toán máy học hướng thống kê truyền thống và hướng học sâu. Có được kiến thức chuỗi thời gian và các kỹ thuật tiền xử lý đữ liệu.

Xử lý và xây dựng các mẫu dit liệu có thé huấn luyện từ một bộ đữ liệu về các đặc trưng khí hậu, tỷ lệ ca nhiễm bệnh nhiệt đới và điểm bùng phát dịch bệnh theo thời gian trên từng vùng địa lý tại Việt Nam. Cài đặt và thực nghiệm được thuật toán dự báo hồi quy và phân lớp trên bộ dữ liệu được xây dựng. Phân tích, đánh giá và tổng hợp được kết quả nghiên cứu vào báo cáo. Đối tượng và Phạm vi nghiên cứu: Đối tượng nghiên cứu: Bệnh Sốt Xuất Huyết, Tiêu Chảy.

Trên các tỉnh thành tại Việt Nam từ 1997 — 2016. Phạm vi nghiên cứu: + Nghiên cứu và khảo sát các công trình đã được công bô vé cách các đặc trưng cũng như phương pháp được chọn đề dự báo và phát hiện được nguy cơ bùng phát bệnh nhiệt đới bị lãng quên. Nghiên cứu các đặc trưng khí hậu có khả năng ảnh hưởng đến sự bùng phát bệnh nhiệt đới và xây dựng bộ dữ liệu tương ứng. Nghiên cứu phương pháp xác định bùng nô dich bệnh.

Nghiên cứu phương pháp dự báo hồi quy và phân lớp. Nghiên cứu mô hình máy học dự báo chuỗi thời gian theo hướng thống kê (Random Forest, K-Nearest Neighbors, Decision Tree, Extra Trees, Multi-layer Perceptron, Adaptive Boosting, SVM, XGBoost, Ridge, SGD, GaussianNB, MultinomialNB, BernoulliNB, ComplementNB, Deep Belief Networks, LightGBM, CatBoost). Nghiên cứu mô hình may hoc dự báo chuỗi thời gian theo hướng tiếp cận học sâu (LSTM, LSTM-ATT, CNN, Transformer) Thực nghiệm các phương pháp đã được khảo sát trên hai hướng tiếp cận. Tiên hành đánh giá va so sánh kêt quả.

Đóng góp nghiên cứu Giới thiệu về các phương pháp tiếp cận dự đoán và phát hiện bùng nỗ dịch bệnh trong khu vực cho các loại bệnh nhiệt đới lãng quên — loại dịch bệnh thường bị chủ quan bỏ qua nhưng lại có mức độ ảnh hưởng cực kỳ cao đến xã hội loài người khi bùng phát trên diện rộng. Giới thiệu về các đặc trưng khí hậu có mức độ ảnh hưởng cao đến tình trạng bùng phát dịch bệnh — cơ sở cho mô hình dự báo được xây dựng. Trình bày các thuật toán hồi quy, phân lớp từ máy học thống kê truyền thống đến học sâu tiên tiến hiện nay. Thực nghiệm, huấn luyện phương pháp trên bộ dit liệu được xây dung và so sánh hiệu quả của 2 hướng tiếp cận: Dự báo hồi quy ca nhiễm sau đó tính toán điểm bùng phát và Dự báo phân lớp bùng phát ngay từ các điểm bùng phát được tính toán từ các ca nhiễm quan sát được.

Theo hiểu biết hiện tại, đây là đề tài đầu tiên khảo sát và so sánh đồng thời tính hiệu quả của hai hướng tiếp cận này trên miền đữ liệu dịch bệnh tại Việt Nam. Nghiên cứu liên quan: 2. Các nghiên cứu trước: Năm 2022, Do, T. và cộng sự [15] nghiên cứu về dự đoán ca nhiễm Tiêu Chay trên 6 tinh tại Việt Nam (Điện Biên, Thái Bình, Lào Cai, Kon Tum, Cao Bằng, Dak Lắk) sử dung 12 đặc trưng về khí hậu bao gồm các đặc trưng về lượng mưa, nhiệt độ, độ 4m, số giờ năng trên địa phương được xét.

Tác giả tiếp cận bài toán theo hướng dự báo hồi quy số lượng ca nhiễm Tiêu Chảy trong tương lai ngắn hạn — trong 1 tháng liền kề, và dự đoán trong tương lai đài hạn — trong 2 đến 3 tháng sau, để đánh giá mức độ đúng đắn của mô hình theo thời gian.